利用多条件约束的航空影像逐像素密集匹配算法研究

发布时间：2017-09-18 10:29

  本文关键词：利用多条件约束的航空影像逐像素密集匹配算法研究

  更多相关文章： 立体匹配 相似性测度 互信息 区域生长 三角网 半全局 匹配后处理 DSM 视差图

【摘要】：立体匹配是计算机视觉和摄影测量中的核心关键问题,前者的研究对象一般是室内小影像,研究思路一般较广泛,且构建完备的数学模型,匹配结果通常较好；后者研究对象是大尺度航空遥感影像,研究思路一般立足于匹配的定义进行影像相关,匹配结果相对较差。目前国内的DSM生产中可以达到大约5到10倍于影像分辨率的匹配精度,这不能满足城市三维建模等应用的需求,故而有必要在这一基础上开展逐像素的密集匹配方法研究。立体匹配按照所使用数学模型的不同被分为局部匹配,全局匹配和其他匹配,匹配效果最好的是构建的完备的能量函数并进行组合最优化的全局匹配,计算效率最高的是直接相关并取局部最优解的局部匹配,而其他匹配算法的共同思路是引入更多约束(如种子点,可靠点三角网等)作为先验信息,并结合显式的数学模型(如一维能量函数,贝叶斯理论)或隐式的特定算法(如区域增长)来充分利用这些信息从而估计视差。相比局部算法,这类算法可以更好地利用先验信息,因此可以取得更好的匹配结果；相比全局算法,则其视差计算方法更为简单,计算效率更具实用性。因此航空遥感影像的逐像素匹配最值得采用这类方法实现。本文的主要研究内容包括： 1.系统总结并深入剖析了逐像素立体匹配技术的理论基础和算法原理及其特点,归纳出了立体匹配面临的普遍问题和一般对策,并在此基础上概括出立体匹配算法应该遵循的两项基本原则,即一方面要尽可能多地纳入更多的先验信息从而提高匹配效果,另一方面要根据影像内容本身合理分配计算任务从而提高匹配效率。 2.分析了立体匹配相似性测度分类方法的本质,摒弃传统的灰度匹配和特征匹配的分类方法,认为立体匹配的相似性测度是用来衡量两个匹配基元相似性的度量指标,因此按照匹配基元的不同,将立体匹配分为密集匹配和特征匹配。对密集匹配相似性测度,包括参数化测度,非参数化测度和互信息匹配测度进行了研究和总结,奠定了立体密集匹配在具体实施上的基础。 3.基于绪论部分对于立体匹配问题的剖析和对现有算法的分析,研究了计算机视觉领域的三种匹配算法,利用不同的方式纳入了各种先验信息,在计算效率和匹配结果上都有不错的表现。具体地,研究和改进了PRPGM算法,进一步加速了计算速度。研究了两种基于可靠点三角网匹配的方法。研究了一维分片连续能量函数模型和半全局立体匹配算法。 4.从误匹配检测、视差图黑洞填补和亚像素级视差内插三个方面研究了立体匹配后处理方法。在误匹配检测方面,研究了左右视差一致性检测,误匹配碎片移除和中值滤波。提出了一种基于区域生长的视差图黑洞填补方法。分析了亚像素级视差内插的必要性,并对比了线性函数和二次函数的内插方法。 5.提出一种基于已有粗略DSM的航空影像逐像素匹配方法,首先将已有DSM转换成初始视差图,然后在视差图约束下进行影像分块匹配,分块匹配的算法根据初始视差图的信息熵判断和选择,通过综合利用PRPGM,ELAS和SGM算法很好地实现了航空影像的逐像素密集匹配。
【关键词】：立体匹配 相似性测度 互信息 区域生长 三角网 半全局 匹配后处理 DSM 视差图
【学位授予单位】：中国测绘科学研究院
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P231;P237
【目录】：

• 摘要4-6
• Abstract6-9
• 目录9-12
• 1. 绪论12-25
• 1.1 研究背景12-13
• 1.2 影像立体匹配技术及其研究现状13-22
• 1.2.1 立体匹配的基本概念13-14
• 1.2.2 立体匹配的理论基础14-15
• 1.2.3 立体匹配算法原理15-20
• 1.2.4 立体匹配算法的分类和评价20-22
• 1.2.5 相关研究机构和刊物22
• 1.3 研究内容与结构安排22-25
• 2. 立体匹配相似性测度研究25-36
• 2.1 常用立体匹配相似性测度概述25-30
• 2.1.1 参数化相似性测度26-28
• 2.1.2 非参数化相似性测度28-30
• 2.2 基于互信息的匹配测度30-34
• 2.2.1 互信息的概念30-32
• 2.2.2 互信息测度的匹配原理32-34
• 2.3 实验结果与分析34-35
• 2.4 本章小结35-36
• 3. 计算机视觉领域的几种立体匹配方法研究36-57
• 3.1 本章匹配方法概述36
• 3.2 基于区域生长的匹配方法36-41
• 3.2.1 区域生长基本原理36-37
• 3.2.2 基于区域生长的立体匹配37
• 3.2.3 渐进区域生长立体匹配(PRPGM)37-39
• 3.2.4 PRPGM的加速策略39-41
• 3.3 基于可靠点三角网的匹配方法41-44
• 3.3.1 逐步细化可靠点三角网的匹配41-43
• 3.3.2 贝叶斯后验估计匹配(ELAS)43-44
• 3.4 半全局匹配方法44-47
• 3.4.1 分片连续的能量函数模型44-45
• 3.4.2 分片连续函数的半全局优化方法45-47
• 3.5 实验分析与结论47-55
• 3.5.1 实验一：基于区域生长的立体匹配47-51
• 3.5.2 实验二：基于可靠点三角网的匹配51-53
• 3.5.3 实验三：半全局立体匹配(SGM)53-55
• 3.5.4 实验总结55
• 3.6 本章小结55-57
• 4. 立体匹配后处理方法研究57-70
• 4.1 误匹配检测57-60
• 4.1.1 左右视差一致性检测57-59
• 4.1.2 误匹配碎片移除59-60
• 4.1.3 中值滤波60
• 4.2 基于区域生长的视差图黑洞填补60-61
• 4.3 像素级视差图内插61-64
• 4.3.1 整像素级视差图的问题61-63
• 4.3.2 亚像素级视差图内插方法63-64
• 4.4 实验结果与分析64-69
• 4.4.1 实验一：误匹配检测处理64-66
• 4.4.2 实验二：基于区域生长的视差图黑洞填补66-68
• 4.4.3 实验三：亚像素级视差图内插68-69
• 4.4.4 实验总结69
• 4.5 本章小结69-70
• 5. 纳入粗略DSM约束的航空影像逐像素密集匹配70-89
• 5.1 本章匹配方法概述70-72
• 5.1.1 基本思路和原则70-71
• 5.1.2 算法框架71-72
• 5.2 视差图和DSM的相互转换72-75
• 5.2.1 视差图和DSM的区别72-74
• 5.2.2 视差图转换为DSM74-75
• 5.2.3 DSM转换为视差图75
• 5.3 初始视差图约束下航空影像分块匹配方法75-77
• 5.4 初始视差图约束下的逐像素密集匹配77-78
• 5.4.1 初始视差图分析和匹配方法选择77-78
• 5.4.2 初始视差图逐像素约束下的密集匹配78
• 5.5 实验结果与分析78-88
• 5.5.1 实验一：视差图信息熵分析79-82
• 5.5.2 实验二：影像块的逐像素密集匹配82-85
• 5.5.3 实验三：初始视差图逐像素约束下的匹配85-86
• 5.5.4 实验四：整幅航空影像匹配结果86-87
• 5.5.5 实验总结87-88
• 5.6 本章小结88-89
• 6. 总结与展望89-92
• 6.1 总结89-90
• 6.2 展望90-92
• 参考文献92-97
• 攻读硕士学位期间发表的论文及参加的项目97-98
• 致谢98

【参考文献】

中国期刊全文数据库 前1条

1 朱庆,吴波,赵杰;基于自适应三角形约束的可靠影像匹配方法[J];计算机学报;2005年10期

，

本文编号：874982